一种基于分层强化学习的信用风险动态特征提取方法

本发明涉及信用风险评估技术领域，特别涉及一种基于分层强化学习的信用风险动态特征提取方法。分层强化学习的信用风险动态特征提取方法包括以下步骤：S1、获取信用风险数据，构建知识图谱；S2、提取候选特征属性，构建初始风险标签，生成首次多维向量样本数据；S3、动态特征工程处理，对首次多维向量样本数据的初始风险标签进行重校准和迭代更新；S4、时空特征融合处理，进行风险动态评估，计算时序特征对应的风险预测值；S5、构建分层DQN框架，结合SHAP值量化贡献验证，动态输出可解释风险特征集。本发明的方法通过多源数据深度整合、自注意力驱动的特征工程、时空融合的风险量化，实现高精度、高可解释性的信用风险评估。